文章核心观点 - LSEG通过结合宏观经济预测与市场微观结构分析，为卖方研究和投资决策提供关键驱动力，旨在帮助专业人士在海量信息中精准识别信号，提升研究效率与投资回报 [1] LSEG量化解决方案 - 解决方案将宏观预测与微观交易分析相结合，帮助投资者识别信号并规避噪音 [1] - 提供分钟级别的股票交易数据和机器学习算法，以实时识别聪明资金的建仓或减仓行为 [1] - 运用文本分析技术将非结构化数据转化为可操作的洞察，以发掘新的阿尔法收益机会 [7][8] - 文本分析解决方案融合自然语言处理、机器学习与新闻分析技术，提供企业情绪分析、文本相关性及新颖性评估等元数据 [8] 全球宏观预测服务 - LSEG与Exponential Technology合作推出全球宏观预测服务，为机构投资者提供全球经济趋势洞察 [9][10] - 预测服务涵盖美国CPI变动影响、零售销售数据、经济咨商局消费者信心指数及密歇根大学消费者信心指数等关键指标分析 [10] 新闻与转录分析 - 新闻分析服务采用自然语言处理技术，量化企业情绪、文本相关性与新颖性，增强量化策略的交易信号识别能力 [12] - 新闻分析数据覆盖股票、大宗商品与能源领域，数据可追溯至2003年，涵盖超过40,000家企业 [12] - MarketPsych转录分析运用自然语言处理技术解析企业电话会议内容，洞察情绪倾向、相关企业及提及话题 [13][14] - 转录分析专为机构及量化公司设计，为企业电话会议的深层含义提供数据驱动视角 [14] 专题活动信息 - LSEG将举办题为“从微观交易到宏观经济：LSEG量化洞察上海交流会”的量化专题活动 [1][2] - 活动将于2025年11月6日在上海陆家嘴举行，设有主题分享、行业讨论及交流环节 [2][3] - 主讲嘉宾包括LSEG亚太区Front Office解决方案总监Arman Sahovic博士、锐天投资创始人徐晓波以及FFT Investment合伙人李怡康 [2][5]

文章核心观点 - 尽管市场预期美联储将开启降息周期，但截至9月9日当周，美国期货市场的基金持仓净多头水平除钯金和铜外全线下跌，这与理论预期相悖，可能限制了金属价格的近期涨幅 [2][7] - 实物黄金需求强劲，使得金价在期货基金平掉多头获利的情况下依然高企，表明实物市场的影响力已超过期货市场的杠杆效应 [15] - 当前黄金市场处于牛市中的整固或慢牛阶段，北美金矿股今年表现强劲，跑赢实物黄金 [18][26] CFTC基金持仓数据分析 - COMEX黄金基金净多头量为518吨，环比下降1.5%，为连续第101周净多头，但仅为2019年9月历史最高位908吨的57% [4][7] - COMEX白银基金净多头量为5,874吨，环比下降7.9%，为其高峰期水平的38% [4][8] - Nymex铂金基金净多头量为21吨，环比大幅下降26.0%，为过去3周最低水平 [4][8] - Nymex钯金基金净空头量为18吨，环比增加9.0%，已连续139周处于净空头状态，为历史最长记录 [4][8] - 年初至今，美元金价累积上涨38.1%，但基金多头仅累积增加1.7%，显示期货市场情绪与价格走势出现分化 [7] 美联储政策与市场预期 - 市场预计美联储在9月降息后，10月再次降息的概率从79%升至85%，12月再次降息的概率从71%升至75%，即预计今年共降息3次 [2][25] - 市场预计到明年6月，美国利率可能比当前低约1%，达到3%-3.25%区间 [2][25] - 下任美联储主席的可能人选包括Kevin Hassett、Kevin Warsh和Christopher Waller，其政策倾向可能影响未来货币政策走向 [3][26] 其他金属与相关市场动态 - 铜价波动受美国贸易政策影响显著，特朗普关于铜进口关税的言论导致价格剧烈波动 [17] - 除黄金外，原油以及中国具有垄断供应优势的物料（如稀土、锑、钨）的国际价格也被看好，近期美国政府以高于中国售价近一倍的价格（每公斤110美元）与MP Materials签订十年钕镨供应合约 [17] - 至9月5日，中国国内金价较国际金价出现折价，可能提供投资机会 [3][27] 市场指标与观察 - 美元金价与北美金矿股的比率近期急跌，截至9月12日为13.343X，今年累计下跌30.3%，创2022年上半年以来新低，表明金矿股表现大幅跑赢实物黄金 [18] - 金银比指数上周五为86.38，环比下跌1.3%，今年累计下跌4.9%，该指标通常用于衡量市场恐慌情绪 [21][22] - 若美国开始减息后通胀压力重拾升势，美联储的后续政策走向将是未来12至24个月市场的重大考验 [28]

文章核心观点 - 人工智能（AI）正迅速改变金融服务格局，其工作流程在算法交易、风险管理、财富咨询和合规等领域变得不可或缺 [1] - 人工智能系统的成功高度依赖于数据质量，优化金融数据是人工智能在金融领域成功应用的关键 [1][3] - 由于数据质量问题、人才缺口和战略错位，高达85%的金融AI项目以失败告终，金融机构必须专注于基础数据的优化才能成功 [4][5] 金融数据类别与优化 宏观经济数据 - 包括CPI、GDP、失业率和央行公告等指标，对预测模型和交易信号增强至关重要 [9] - 优化技术包括使用时间点（PIT）和实时数据以避免"修正过去"的偏差，应用特征工程处理稀疏性和噪声 [11] - 风险包括滞后和修订后的数据可能会误导模型，以及因后见之明偏差导致对预测准确性的高估 [15] 定价数据 - 是证券估值的基础，包括实时报价、买卖价差、交易量和历史价格 [14] - 优化技术包括筛选交易资格并检测异常值，使用成交量加权平均价格（VWAP）汇总行情数据，管理证券生命周期 [21] - 用例涵盖高频交易、实时估值模型和市场风险分析 [21] 参考数据 - 提供证券、实体和工具的描述性细节，如到期日、息票时间表和评级 [20] - 优化技术包括创建主映射表并使用"黄金数据源"，跟踪数据血缘关系和随时间的变化 [24] - 风险包括字段缺失和标识符不一致，数据过时导致模型漂移 [24] 符号映射 - 涉及使用ISIN、CUSIP、SEDOL和PermID等标识符来映射和拼接数据集 [27] - 优化技术包括实施主符号层，将工具与ID之外的背景关联起来，使用PermID等开放标准以确保一致性 [30] - 风险包括因公司行为导致的标识符变更，跨市场重复股票代码引发的混淆 [29][31] 非结构化文本 - 包括新闻、研究报告、文件和记录，富含深刻见解但处理挑战大 [35] - 优化技术包括使用自然语言处理技术进行摘要、分类和情感分析，标记实体并分配可信度评分 [38][43] - 风险包括错误信息和误解，事件与市场反应之间的时间滞后 [43] 公司数据 - 包括结构化的财务数据和非结构化的披露信息，对估值、基准测试和ESG分析至关重要 [42] - 优化技术包括标准化数据集并确保可审计性，使用同行指标填补差距，跟踪修订和报告历史 [46] - 风险包括定义不一致和报告延迟，私营公司数据中存在缺失值 [46] 风险情报数据 - 包括制裁、政治公众人物、负面新闻和了解你的客户数据，对合规和欺诈检测至关重要 [49] - 优化技术包括统一格式名称、地址和日期，去重并解析实体，标记基于人工智能评估的同意 [52] - 风险包括个人身份信息（PII）处理不当，法规变更与伦理问题 [51][53] 分析数据 - 是用于估值、对冲、利差和风险指标的衍生数据 [57] - 优化技术包括实施可解释性层，理解输入数据和模型假设，使用混合模型和强有力的治理 [63] - 风险包括黑盒模型，监管不合规，模型漂移 [63] 行业解决方案 - 公司提供人工智能驱动型分析解决方案，通过差异化分析提出切实可行的洞察 [66] - 解决方案包括分析API、贷款抵押债券分析、可持续投资分析和历史分析等 [69][70][71][72] - 公司为买方和卖方客户的后台、中台和前台提供各类解决方案，覆盖交易员、投资组合经理、专业技术人员和风险管理等角色 [77][78][79][81]

文章核心观点 - 在信息过载的市场环境中，挑战在于过滤噪音并识别真正驱动资产价格的信号 [1] - LSEG MarketPsych 通过人工智能和自然语言处理技术，将无结构的全球文本数据转化为结构化的情绪和主题洞察 [1][4] - 情绪评分具有预测性，媒体情绪最积极的股票组合在回测中表现显著优于最消极的组合 [5][8] - 该解决方案旨在帮助财富专业人士尽早识别市场主题驱动因素，提升投资组合精准度，并强化风险管理 [2] 从无结构文本到结构化信号 - 每天采集数百万篇文章、帖子和文字记录，并按公司或资产类别以及200多个经济和行为主题进行分类 [4] - 系统根据每次提及的强度和方向进行评分，生成涵盖10万多只全球股票的分钟级情绪和主题指数 [4] - 生成的数据可直接传输到仪表板或系统模型中，提供直观的市场反响视图 [4] 情绪主导价格的证据 - 在一项涵盖4000多只美国股票的20年回测中，当月媒体情绪最积极的十分之一股票在随后的三个月里表现显著优于最消极的十分之一股票 [5] - 这一信号在全球范围内均有体现，在印度尤为明显，且过去五年信号有所增强 [5] - 通过将情绪与其他媒体信号结合，StarMine MarketPsych模型将指标转化为每只股票的简单1到100的每日排名，排名靠前和靠后的十分位数之间平均每年相差10% [8] 财富顾问和客户的实际应用 - 主题监测：针对市场、行业或公司层面的特定主题情绪激增设定警报，快速评估投资组合风险 [9] - 投资思路生成与投资组合构建：在行业内增配高情绪股票、减配低情绪同业，改善风险调整后收益 [9] - 风险管理：将整体情绪的突然下降作为预警信号，提示获利回吐或盈利不及预期风险 [9] - 客户沟通：使用情绪-价格图表和主题热力图等可视化工具，将复杂分析转化为直观故事化表达 [9] 主要服务与应用 - 数据数字化：将国家、商品、货币、加密货币、股票部门及公司的含义和情绪转化为机器可读的价值和信号 [14] - 编辑语言框架：从新闻和社交媒体内容中测量情绪、金融语言和主题 [15] - 应用领域包括创建和增强交易策略、波动预测、风险管理、事件监测、宏观经济预测和财报电话会议咨询 [16][17]

活动核心内容 - 活动旨在探讨企业如何借助科技与数据构建更强大的欺诈防御体系，特别是应对支付诈骗和账户接管攻击 [1] - 活动包括圆桌讨论和案例分享，主题涉及打击现代欺诈威胁及LSEG风险情报的全球账户验证解决方案 [3] 行业威胁与挑战 - 支付诈骗和账户接管攻击正威胁企业财务安全、资金管理及声誉，每年给企业造成数十亿美元损失 [1] - 授权推送支付（APP）欺诈预计到2027年将造成全球损失超过3310亿美元 [1] - APP欺诈通常由涉及冒名顶替的社交工程攻击助长，不法分子正利用先进人工智能技术以更大规模和更复杂方式实施欺诈 [9] - 国际交易对高效、安全和性价比的需求强烈，确保跨境支付安全对业务增长至关重要 [9] - 消费者支付格局因电子商务增长和移动钱包兴起而迅速转变，消费者需要更快、更无缝的支付体验 [9] LSEG全球账户验证解决方案 - 该解决方案旨在防范授权推送支付欺诈并实现安全、无缝的实时跨境支付 [8] - 解决方案提供强大工具应对跨境支付相关障碍，包括高成本和合规性挑战 [10] - 通过API和网页端口提供实时服务，可验证个人及企业账户、验证所有权并识别潜在欺诈风险 [10] - 单一账户验证功能可基于国家/地区、银行账户名称、识别码和账号等信息，验证其与银行记录是否完全匹配、部分匹配或不匹配 [16] - 提供国际银行账户号码（IBAN）格式验证，有助于减少错误、提升银行支付直通处理率，并降低因信息修复带来的运营成本 [17]

文章核心观点 - 气候变化带来的经济损失日益严重，推动了对气候适应和韧性的需求，由此催生了一个规模超过1万亿美元的投资机遇 [1][5][6] - 伦敦证交所集团的分析显示，全球有约2100家公司从气候适应相关产品和服务中获得收入，2024年该部分收入超过1万亿美元，占全球绿色经济的五分之一 [6][7] - 除了股票市场，绿色债券市场也为投资者提供了参与气候适应主题的渠道，2024年相关债券发行量达到1600亿美元 [12] 气候变化的现实影响与适应需求 - 气候变化导致的经济损失巨大，例如2024年1月洛杉矶野火造成1500亿美元经济损失，过去十年气候相关天气事件总损失约2万亿美元 [1] - 即使全球减排努力成功，气候变暖的惯性仍将导致未来几十年极端天气事件更频繁严重，海平面将持续上升数百年 [1] - 到2025年，全球GDP的11-14%可能因气候变暖而面临风险，已有企业如太平洋天然气和电力公司因气候影响破产 [1] 全球适应行动的进展 - 全球171个国家已制定至少一项国家适应政策、战略或计划，19个G20国家政府已制定国家适应计划 [2] - 富时环球指数中34%的企业披露了其为应对气候变化而正在进行的适应活动 [2] - 企业最常见的适应措施集中在防洪、提高用水效率、风暴防范和提高能源效率 [5] 气候适应经济的规模与增长 - 伦敦证交所集团绿色收入分类系统定义了133项绿色经济活动，其中35个为气候适应做出贡献 [6] - 气候适应相关收入在过去十年稳步增长，自2016年以来复合年增长率达5.1% [6][7] - 在适应经济细分领域中，绿色建筑收入最高，达4240亿美元，其次是水利基础设施，专门的适应领域如防洪收入为170亿美元，土地侵蚀收入为10亿美元 [10] 投资渠道与工具 - 投资者可通过规模达2.9万亿美元的绿色债券市场参与气候适应主题，其中四分之一的绿色债券与适应性和韧性投资相关 [12] - 市场存在具体适应主题债券案例，如荷兰政府为防洪发行的绿色债券、英国绿色金边债券计划以及斐济2018年发行的绿色债券 [13] - 开发银行如欧洲复兴开发银行和亚洲基础设施投资银行也发行了气候韧性和适应债券 [13] 绿色经济整体背景 - 绿色经济规模庞大，占到全球上市公司市值的7.1%，带来5.46万亿美元的投资机会 [20] - 绿色经济的发展由公共和私人投资共同推动 [21]

李冈峰 欧洲天然资源基金 Commodity Discovery 特约分析师 这是一个主要从美国每周的CFTC数据公布基金(Managed Positions)在当地期货市场的各种部署，继而反映 现时市场对贵金属的情绪和对短/中期的一个价格判断。美国每周五收市后公布的CFTC数据，记录日为刚过 去的周二(如果过去一周原本工作日是假日的话数据出炉会延期)。 概要 目前市场认为9月降了一次息后，10月再降息的几率也超过70%，然后12月再降息的几率也超过 60% ， 即 估 计 今 年 大 概 会 降 息 3 次 。 预 计 到 明 年 6 月 ， 美 国 届 时 利 率 或 会 比 现 时 低 ~2% 至 2%-2.25%。 之前笔者认为纵使美国9月降息已是必然（根据期货市场数据反映），但10月未必会立即降息，那 时候期货市场数据也反映10月再降息的几率是低于一半；但现时市场很明确的相信美国9月、10月 都会降息，理论上对非无风险资产，特别是黄金，非常利好。 至5号的金价/北美金矿股比率为 13.74X，今年累跌28.2%， 创了自2022年上半年以来最低点，代 表今年北美金矿股跑赢实金。作为历史比较，2008 ...

文章核心观点 - KYC和KYB是全球反洗钱和合规监管的重要组成部分，用于打击金融欺诈和非法活动[1] - 采用基于风险的方法进行筛查和尽职调查，以优化资源配置并维护客户关系[1][2] - 必须评估六大风险类别，以在业务关系早期识别潜在风险[2][3] - LSEG World-Check提供数据和解决方案，帮助机构履行KYC/KYB义务并管理风险[10][11][13] KYC与KYB的定义与重要性 - KYC指“了解您的客户”流程，主要针对个人身份审核[2] - KYB指“了解您的企业”流程，聚焦于企业实体的尽职调查[2] - 两者是保持合规性并保护企业及客户免受欺诈的重要措施[2] - 帮助在关系早期识别潜在风险，确切的知道交易对手方是谁[3] 基于风险的反欺诈方法 - 监管机构正专注于更严格的反洗钱以及KYC/KYB规定[1] - 通过筛查识别高风险领域，然后根据基于风险的方法进行评估[1] - 基于风险的方法确保宝贵资源集中在风险较高的领域[1] - 未能早期发现风险可能导致重大监管、财务和声誉损害[1] 六大风险类别 - 身份风险：验证客户是否真实存在，个人需了解财富来源，企业需明确最终受益所有人信息[3] - 诚信风险：评估客户是否可能利用服务进行非法金融活动，并核实是否受政府制裁[4] - 财务风险：评估客户的信用状况和财务稳定性[5] - 运营风险：评估客户的业务表现、运营规模、关联方等以判断业务适配性[5] - ESG风险：涵盖环境犯罪、人权侵犯、现代奴役到高管利益冲突等情况[6] - 网络风险：在数字环境中进行尽职调查，验证客户身份[8] LSEG World-Check解决方案 - World-Check数据库提供准确可靠的信息，帮助机构履行KYC和第三方尽职调查筛查义务[10] - 数据库拥有超过400万条格式高度结构化的记录[16] - 全球拥有数百名专业研究人员和分析师，从可靠来源收集信息[14] - 覆盖范围包括政治敏感人物、负面媒体、受制裁证券等[16][18] - 提供最终受益人、船只信息、用于付款筛查的制裁数据集等特定数据[18] - 数据可本地部署、基于云端或与第三方解决方案集成，适应不同工作流[15]

Cristina Rosales LSEG 定价总监 在最近于华盛顿特区举行的一场固定收益会议上，伦敦证券交易所集团的与会者表示，固定收益市场 正在迅速发展。观察到的关键趋势包括固定收益交易的持续电子化——例如杠杆贷款交易，这可能使 市场更具流动性和透明度。投资者对私人信贷市场的兴趣日益浓厚，导致其发生了一些变化，使其更 接近公共债务市场。而人工智能（AI）正在改变固定收益交易的生命周期。为了适应这些趋势，金融 服务需要高质量且可信赖的固定收益数据来支持决策和推动流程。 6月初，固定收益行业人士齐聚美国华盛顿特区，参加第十届年度固定收益领导者峰会。伦敦证交所 集团定价服务部证券化产品估值总监乌Unmesh Bhide和富时罗素固定收益货币与大宗商品（FICC） 团队经理Jack Fischer在一场圆桌讨论会上发言，探讨了投资和交易固定收益产品的金融服务公司如 何开发出最具创新性的数据处理和聚合工具。此外，他们还各自简要介绍了各自团队对端到端固定收 益生态系统的贡献。伦敦证交所集团定价服务部的估值为富时固定收益指数（如世界大型指数和富时 可转换指数）提供了支持。 另外，会议中出现了三个值得注意的趋势，这些趋势 ...

文章核心观点 - 在信息爆炸的数字时代，内容的价值实现高度依赖于高效定位与筛选的能力，元数据在此过程中扮演着至关重要的角色[1] - 伦敦证券交易所集团通过对其金融新闻服务进行持续的元数据投资，构建了广泛、统一且不断演化的标签体系，以此作为其核心竞争优势，旨在提升新闻内容的覆盖率和可发现性，从而为用户创造实际价值[2][5][7] 元数据的定义与作用 - 元数据是“关于数据的数据”，例如新闻的来源、涉及的公司与主题等信息，它使用户能够以最有效的方式找到感兴趣的新闻[4] - 元数据将原始的新闻报道文本转化为高度可发现和可筛选的资源，其核心价值在于确保即使最有价值的内容也不会在海量信息中被埋没[1][4] LSEG的元数据处理能力与规模 - 公司每天分发约一百万篇新闻报道，并利用人工智能技术对全部新闻内容进行高速、自动化的元数据标记处理，使报道在到达后几秒钟内就能被完全标记并投入使用[4][6] - 公司的智能标签引擎支持对超过1300万家机构进行标注，每篇报道会经过2000多个主题模型的处理，其行业分类体系深度达五个层级，包含1100多个标签，且这些数字仍在不断增长[6] 元数据体系的特点与优势 - 公司的元数据来源包括新闻提供商提供和自有AI引擎自动添加，其方法与众不同之处在于为每篇报道添加了范围广泛的元数据[4] - 元数据标签体系具有广泛性和统一性，被一致地应用于路透社新闻及10,000多个相关新闻源，这构成了公司的一项关键竞争优势[2][3][5] - 公司的分类体系是一个不断演化的强大层级系统，能够从宽泛类别逐级细分至具体类别，并持续扩展，每月增加新主题以反映新兴趋势和全球事件[7][9] 元数据的实际应用与产品 - 通过具体案例展示了元数据分类体系的灵活性与深度，例如应客户需求将“房地产市场”主题细分为商业、住宅、工业地产等子类，以及为地缘政治冲突、AI药物发现等新兴话题添加新主题[9] - 在LSEG Workspace平台中，提供了如新闻主题指南和新闻摘要等元数据驱动的工具，帮助用户实现个性化、精准的新闻筛选与发现[7] - 新闻推送服务的客户可以利用更深入的元数据（如情绪、相关性）以及经典的元数据信号（如评级或盈利预期变化）来开发自定义信号[7][8] 金融新闻服务概览 - 公司的金融新闻服务通过旗舰平台LSEG Workspace和新闻推送解决方案，为金融专业人士提供来自路透社以及10,000多个相关新闻源的报道[2][14] - 该服务提供多种延迟级别和多种格式的新闻，以满足从突发新闻监听、研究分析到数据建模、风险监控等不同使用场景的需求，并支持通过桌面、信息推送和API获取[14][16]